文献

J-GLOBAL ID：201802274824637904   整理番号：18A0973785

DWFCMクラスタリングアルゴリズムに基づく赤潮データのためのグラフモデル構築【JST・京大機械翻訳】

Graph model building for red tide data based on DWFCM clustering algorithm

著者 (5件)： Huang Dongmei (College of Information Technology, Shanghai Ocean University, Shanghai, China) ,  Zhang Yeyi (College of Information Technology, Shanghai Ocean University, Shanghai, China) ,  Zhao Danfeng (College of Information Technology, Shanghai Ocean University, Shanghai, China) ,  Song Wei (College of Information Technology, Shanghai Ocean University, Shanghai, China) ,  Liu Xinyang (College of Information Technology, Shanghai Ocean University, Shanghai, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICNSC  ページ： 1-6  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 赤潮は,世界における最も重要な海洋災害のひとつであり,それは人間の生産と生態学的環境に及ぼす重大な影響を持った。赤潮の影響を減少させるために,赤潮履歴データのための合理的で効果的な貯蔵モデルを構築することが必要である。したがって,予測者は比較のために必要なデータを見つけ出すことができ,赤潮段階を予測し,赤潮を迅速かつ正確に防ぐための対策を行う。ほとんどの人々は,赤潮データを保存するために関係データベースを使用する。この方法は安定な表構造を持つが,それが発生するときに赤潮自身の特性を無視し,質問赤潮の速度と精度を改善する必要がある。本論文において,著者らは赤潮データの記憶モデルを研究して,DWFCMクラスタ化アルゴリズムに基づく赤潮のためのグラフモデル構築の方法を提案した。FCMクラスタリングアルゴリズムを,クラスタ化中心選択,加重ユークリッド距離,および目的関数最適化によって改良した。改良DWFCMクラスタリングアルゴリズムを用いて,段階に従って赤潮データをクラスタ化し,クラスタ化データをグラフモデルに保存した。実験は,DWFCMアルゴリズムが正確に赤潮データをクラスタ化できることを示した。グラフモデルは,データと各段階の各部分間の関係を構築し,質問の速度と精度を増加させ,赤潮予測の予測能力を迅速かつ正確に改善する。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 生態学 ,  *アルゴリズム ,  クラスタ化 ,  *モデル ,  海難 ,  *赤潮 ,  予測 ,  関係データベース
準シソーラス用語： 予測能力 ,  クラスタ化データ ,  関数最適化 ,  Euclid距離 ,  加重 ,  *グラフモデル ,  *クラスタリングアルゴリズム , 【Automatic Indexing@JST】

分類 (3件)： ロボットの運動・制御  (IC04012J) ,  図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： クラスタリングアルゴリズム ,  赤潮 ,  グラフ ,  モデル構築